继续请教问题:关于 Pytorch 的 Autograd

雷达

! ^. P$ \9 w" a, L
3 ^# V$ w  o) o# s为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
8 s# ^4 y: D4 V  [! @% cimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

& ?2 J. p) e0 I/ K+ k2 D1 [w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
& I7 Q3 J2 ?3 }/ o3 r
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
9 C9 P1 S9 I) b# J  y_pred.reshape(-1)
, Q# y7 E5 @6 C. t; x' e) w6 ~
  loss = torch.square(y_pred - y).mean()   #计算 loss
' l% S: {" F# @" O% m  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* b, Y% ?3 _5 C1 d( `% W# u$ K  w.grad.zero_()  
3 {& ^* j8 \. U( t: L  C- o  b.grad.zero_()
& x' [* O# t8 h3 C: h, g
& R4 a2 B( l* l. E- `print(w.item(),b.item()) #结果
1 ~2 e+ h7 B2 L- ]( ^. I
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
# d6 F1 v  |9 T; x2 K高手们帮看看是神马原因？
+ O7 @7 D6 _, n6 K9 G) [

老福

# P, B2 `. h2 ^6 e9 L没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
! W4 i' a9 _) L) T; y算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
) G8 t. B, _5 M: R6 r7 {8 n没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
4 V# d% ^$ {' r  w: G" o+ N8 O-------
$ o9 D4 K5 S' _  k: ^. ^+ |9 d' ^不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

7 o  o1 h! u2 B# _3 L5 u

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

0 }( M& o4 m- {9 Y5 T' F刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

  r" |! f/ @5 ~$ S% l* b或者把b但的起点改为1试试。

雷达

' g# [) B/ A4 D. U9 x0 K0 {4 K

老福 发表于 2023-2-14 22:00
: ^4 I% D/ R! C( D3 v6 U! o刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
8 K( N, e5 x8 N1 T- X
或者把b但的起点改为1试试。 ...

! M/ w1 u/ P- G
7 r; @0 B& p2 J7 x* H: [$ Q* Q! h你是对的。
9 j) |3 p( t- X8 H- s" b# U/ A去掉了随机部分
6 H! K/ u& }! I+ \' f8 v6 _4 Z8 M; s#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ i9 |, B% o& E- m+ hy = (x*27+15).reshape(-1)

( ]' d7 S. F  X6 ]1 j% ~1 D循环次数加成10倍，就看到 b 收敛了
5 d9 j+ A$ @, ]; D! S0 dw , b
27.002620697021484 14.826167106628418

9 w9 v, p! N% C- X, }) E和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。